Multi-Agent ist im Mittelstand angekommen — als Flow, nicht als Mesh.

    Vier Stufen, ein klar orchestriertes System. Vom Firmenresearch bis zur KI-Meeting-Analyse. Praxisbeleg: Solarize.

    4 Stufen
    Vom Research bis zur Meeting-Analyse
    Solarize-Workflow
    90,7 % → 22,5 %
    Multi-Agent-Genauigkeit (1 vs. 5 Stufen)
    MIT, gpt-4.1-mini
    176 Sessions
    Claude-Code-Praxis
    39 Tage, 92.145 Code-Zeilen

    Mandats-Anker: Solarize Vierstufiger Workflow

    Bei Solarize haben wir einen vierstufigen Agentic-Flow aufgebaut, der den Vertrieb von der ersten Lead-Recherche bis zur Meeting-Nachbereitung durchgängig orchestriert. Jede Stufe ist ein eigener Agent mit klarem Output-Format. Keine Free-form-Konversation zwischen Agents — jede Übergabe ist ein typisierter Datenfluss.

    1. 01
      Firmenresearch
      Lead-Daten anreichern, Branche und Größe einordnen
    2. 02
      Briefing
      Pain Points, Stakeholder, Aufhänger generieren
    3. 03
      Cold Call / E-Mail
      Outbound-Touch mit dem aufbereiteten Briefing
    4. 04
      KI-Meeting-Analyse
      Transkript, Zusammenfassung, Next Steps automatisch

    Warum Flow, nicht Mesh — die Datenlage

    MIT-Befund

    gpt-4.1-mini erreicht 90,7 % Genauigkeit bei einer Stufe — und nur 22,5 % bei fünf Stufen. Multi-Agent-Mesh-Architekturen verlieren bei jeder Stufe Kontext.

    Lanham, „What Actually Survived“

    Aus dem Hype-Sommer 2024/2025 sind die Agentic-Systeme übrig geblieben, die als orchestrierter Flow gebaut wurden — nicht die Mesh-Experimente mit „Agents talk to Agents“.

    Shopify-Position

    „Avoid multi-agent early.“ Erst wenn ein einzelner Agent saturiert, lohnt der Sprung. Sonst ist es Mehrkomplexität ohne Gewinn.

    Wie ich Multi-Agent in eigener Praxis baue

    Was ich in 39 Tagen mit Claude Code gelernt habe

    176 Sessions, 243 Commits, 92.145 Code-Zeilen, 836 Files in 39 Tagen. Plan-then-execute war die größte Lektion. Wer einen LLM ins kalte Wasser wirft, bekommt Code, der überall fast richtig ist — aber nirgendwo ganz. Context Engineering und Live-Sandbox-Validierung haben den Unterschied gemacht zwischen „fast richtig“ und „läuft im Mandat“.

    Plan-then-execute

    Erst der Plan, dann der Edit. Niemals umgekehrt.

    Context Engineering

    Nur das in den Context laden, was für den nächsten Schritt zählt. Sonst halluziniert das Modell aus weniger relevantem Material.

    Live-Sandbox-Validierung

    Jeder Agent-Schritt wird gegen ein echtes Sandbox-System getestet, nicht gegen Mock-Daten. Bei Maklerverwaltungen heißt das: Test-Account auf Professional Works und assfinet.

    Häufige Fragen

    Erstgespräch zu Agentic-Workflows

    Sie haben eine Vertriebs- oder Operations-Strecke, die nach mehreren spezialisierten Agenten ruft? Lassen Sie uns 30 Minuten über den Flow sprechen — Stufen, Schnittstellen, Datenklasse.